(1)广义线性模块: sklearn.linear_model
(2)支持向量机模块:sklearn.svm
(3)最临近模块:sklearn.neighbors
(4)高斯过程模块:sklearn.gaussian_process
(5)朴素贝叶斯模块:sklearn.naive_bayes
(6)决策树模块:sklearn.tree
(7)集成模块:sklearn.ensemble
(8)多类多标签模块:sklearn.multiclass
(9)特征选择模块:sklearn.feature_selection
(10)半监督学习模块:sklearn.semi_supervised
(11)线性,二次判别模块:sklearn.lda
(1):广义线性模块: sklearn.linear_model
①LinearRegression与Ridge类见前一条博客,在简单的(准)线性关系中,使用这个方法即可很准确的模拟,后续方法在数据较小或关系较简单的情况下可能产生过拟合
②Lasso():估计稀疏系数的线性模型;在回归系数的绝对值只和<一个常熟的越苏条件下,使残差平方和最小化(后续介绍如何通过正则化避免过拟合)
数学